黃河流域空天地一體化大數(shù)據(jù)平臺架構及關鍵技術研究黃河流域的生態(tài)保護成效事關我國經(jīng)濟社會發(fā)展和生態(tài)安全［1］。 以下從3 個方面分析本研究的必要性。 第一，從國家戰(zhàn)略、政策層面來看，2019 年9 月習近平總書記在鄭州主持召開黃河流域生態(tài)保護和高質(zhì)量發(fā)展座談會并發(fā)表重要講話，明確提出黃河流域生態(tài)保護和高質(zhì)量發(fā)展是重大國家戰(zhàn)略［2］。 2018 年6月，中共中央、國務院印發(fā)《關于全面加強生態(tài)環(huán)境保護堅決打好污染防治攻堅戰(zhàn)的意見》，提出“建立權威高效的生態(tài)環(huán)境監(jiān)測體系，構建天地一體化的生態(tài)環(huán)境監(jiān)測網(wǎng)絡”［3］。 2017 年12 月的中共中央政治局集體學習也特別提出，要加強大數(shù)據(jù)技術在各行各業(yè)的創(chuàng)新性應用，健全大數(shù)據(jù)輔助科學決策和社會治理的機制［4］。 第二，從黃河流域的生態(tài)、發(fā)展狀況來看，黃河流域面積79.5 萬km2，面臨水土流失嚴重、水資源分配不均、二級懸河嚴重、甘肅內(nèi)蒙古等地經(jīng)濟發(fā)展滯后等生態(tài)環(huán)境和經(jīng)濟發(fā)展問題［5］。 黃河流域的生態(tài)保護和高質(zhì)量發(fā)展涉及多部門、多學科、多因素，指揮調(diào)度困難，需要處理海量的水文泥沙、氣象氣候、地質(zhì)地貌、植被生物、土壤水質(zhì)以及經(jīng)濟社會等多尺度異構數(shù)據(jù)，這無疑給黃河流域的生態(tài)監(jiān)測、水土治理、產(chǎn)業(yè)發(fā)展等一系列生態(tài)保護和高質(zhì)量發(fā)展措施加大了難度。 第三，從現(xiàn)實的數(shù)據(jù)產(chǎn)生、技術發(fā)展來看，未來10 a全球天、空、地部署的數(shù)百萬計傳感器每日獲取的觀測數(shù)據(jù)將超過10 PB［6］，面對海量的生態(tài)環(huán)境監(jiān)測數(shù)據(jù)，傳統(tǒng)的數(shù)據(jù)處理理念、方法、工具和技術根本無以應對，必須采用大數(shù)據(jù)的理念、方法、工具和技術，這已是國家、省級和地方各級環(huán)保部門的共識。 綜上，進行面向黃河流域生態(tài)保護的空天地一體化大數(shù)據(jù)平臺研究很有必要。 平臺設計的好壞、技術組件選配是否合理，直接影響黃河流域生態(tài)大數(shù)據(jù)的處理分析，進而影響黃河流域生態(tài)保護的差別化、精準化和管理一體化。 1 黃河流域生態(tài)大數(shù)據(jù)的內(nèi)涵及其面臨的問題大數(shù)據(jù)具備“5V”基本特征，即規(guī)模性（Volume）、多樣性（Variety）、高速率（Velocity）、真實性（Veracity）以及價值性（Value）［6］，根據(jù)行業(yè)領域可分為不同的類別，例如健康醫(yī)療大數(shù)據(jù)、教育大數(shù)據(jù)、電子商務大數(shù)據(jù)、生態(tài)大數(shù)據(jù)等。 較之其他行業(yè)大數(shù)據(jù)，生態(tài)環(huán)境大數(shù)據(jù)是一個系統(tǒng)生態(tài)圈，涉及地理信息廣，是涉及空間段、天際段及地表段全方位地理空間數(shù)據(jù)集，是黃河流域物理空間到數(shù)字空間的映射和提煉［7］。 因此，黃河流域生態(tài)大數(shù)據(jù)不僅具有一般大數(shù)據(jù)的基本特征，還具有地理時空性特征，如圖1 所示。
圖1 黃河流域生態(tài)大數(shù)據(jù)地理空間特征 根據(jù)相關的文獻定義［6-9］，并針對黃河流域特點，列出黃河流域生態(tài)保護相關的數(shù)據(jù)類型、采集方式和主要內(nèi)容，見表1。 表1 黃河流域生態(tài)大數(shù)據(jù)類型、采集方式及主要內(nèi)容
確定黃河流域生態(tài)大數(shù)據(jù)的類型和特點，將為后續(xù)定制大數(shù)據(jù)平臺提供必要的依據(jù)。 目前，各方將大數(shù)據(jù)技術應用于生態(tài)保護的積極性比較高，但仍存在以下問題：①多元立體感知能力欠缺，生態(tài)環(huán)境無人機監(jiān)測系統(tǒng)數(shù)量較少，應急、機動觀測能力不足，地面監(jiān)測方面規(guī)模化、常態(tài)化監(jiān)測很少；②全要素監(jiān)測能力薄弱，大部分是對單一生態(tài)要素的監(jiān)測，未將多個生態(tài)要素的監(jiān)測數(shù)據(jù)整合應用起來，勢必造成所獲取的數(shù)據(jù)不全面，挖掘出的知識不系統(tǒng)；③流域環(huán)境監(jiān)測數(shù)據(jù)的共享、整合、應用能力不足，不同系統(tǒng)各自分散獨立建設［9］，缺少統(tǒng)一規(guī)劃、統(tǒng)一建設、統(tǒng)一部署；④深層次知識挖掘水平較低，對生態(tài)環(huán)境大數(shù)據(jù)的利用水平較低，大部分只是用來做一些簡單的統(tǒng)計和報表［10］，如何利用大數(shù)據(jù)技術結合業(yè)務模型從海量數(shù)據(jù)中挖掘隱藏在其中的各種知識、洞見，則做得比較少。 筆者對生態(tài)大數(shù)據(jù)的平臺架構及關鍵技術進行研究，對遙感數(shù)據(jù)、水文數(shù)據(jù)、水質(zhì)數(shù)據(jù)、氣象氣候數(shù)據(jù)等進行深度挖掘、智能分析，以期為生態(tài)保護決策提供數(shù)據(jù)支撐。 2 黃河流域空天地一體化大數(shù)據(jù)平臺框架建立大數(shù)據(jù)平臺的前提和基礎是數(shù)據(jù)資源的共享，大數(shù)據(jù)平臺的數(shù)據(jù)探測與采集面對的是多部門、多系統(tǒng)數(shù)據(jù)融合，現(xiàn)實中各行業(yè)數(shù)據(jù)標準格式以及技術路線是不統(tǒng)一的，各部門之間是數(shù)據(jù)割據(jù)的局面，導致不同程度的“數(shù)據(jù)孤島”現(xiàn)象，數(shù)據(jù)之間沒有實現(xiàn)共享，這也是制約大數(shù)據(jù)發(fā)展的顯著問題［11］。 為了響應國家大數(shù)據(jù)戰(zhàn)略，各級環(huán)保部門紛紛開始探索和建設生態(tài)大數(shù)據(jù)平臺。 黃河流域空天地一體化大數(shù)據(jù)平臺架構如圖2 所示。
圖2 黃河流域空天地一體化大數(shù)據(jù)平臺架構 生態(tài)環(huán)境一體化大數(shù)據(jù)平臺建設，目的是實現(xiàn)生態(tài)環(huán)境綜合決策科學化、生態(tài)環(huán)境監(jiān)管精準化、生態(tài)環(huán)境公共服務便民化［8］。 首先應該基于先進的物聯(lián)網(wǎng)技術，融合5G 網(wǎng)絡通信手段，構建空天地一體化網(wǎng)絡。 沈?qū)W民等［12］提出以地基網(wǎng)絡（地面互聯(lián)網(wǎng)、移動通信等）為基礎，以空基網(wǎng)絡（高空通信平臺、無人機自組等）和天基網(wǎng)絡（各種衛(wèi)星通信系統(tǒng)等）為補充和延伸的空天地一體化網(wǎng)絡建設設想，以期不同維度的網(wǎng)絡可以充分發(fā)揮自身作用，打破各自獨立的網(wǎng)絡系統(tǒng)之間的數(shù)據(jù)共享屏障，實現(xiàn)廣域網(wǎng)絡的互通互聯(lián)。黃河流域從空間段、天際段到地表段的數(shù)據(jù)采集，都離不開網(wǎng)絡的傳輸，并且在水文泥沙、土壤土質(zhì)等數(shù)據(jù)的采集中，更是離不開傳感器的數(shù)據(jù)傳輸。 空天地一體化網(wǎng)絡的建設影響數(shù)據(jù)的傳輸速率、范圍，同時為空天地一體化平臺的應用提供網(wǎng)絡通信基礎，空天地一體化網(wǎng)絡也是未來網(wǎng)絡發(fā)展的趨勢之一。 空天地一體化大數(shù)據(jù)是針對某個研究對象或者具體范圍，由空、天、地設備協(xié)同探測與采集的多源多模大數(shù)據(jù)及相關的綜合分析技術。 一體化大數(shù)據(jù)平臺的建設需借助大數(shù)據(jù)技術對多源異構數(shù)據(jù)進行大數(shù)據(jù)存儲管理、數(shù)據(jù)分析與挖掘、數(shù)據(jù)可視化，建立一體化的大數(shù)據(jù)運營調(diào)度中心，開展黃河流域植被遙感圖像的自動識別與標注、數(shù)據(jù)綜合分析與數(shù)據(jù)挖掘、動態(tài)環(huán)境監(jiān)測、智能算法模型庫構建等關鍵技術研發(fā)，構建以“數(shù)據(jù)-分析-服務-價值”為驅(qū)動的一體化大數(shù)據(jù)平臺，為解決黃河流域治理相關問題提供相應的數(shù)據(jù)、服務、調(diào)度、預測、決策等一系列支持。 黃河流域生態(tài)環(huán)境空天地一體化大數(shù)據(jù)平臺總體規(guī)劃是基于物聯(lián)網(wǎng)、人工智能、區(qū)塊鏈等新一代信息技術，以環(huán)境水利、人文社會為業(yè)務支撐，整合基礎設施資源、時空大數(shù)據(jù)資源、北斗高精度資源，建立一體化大數(shù)據(jù)運營中心，為生態(tài)保護、文化旅游、產(chǎn)業(yè)布局、安全監(jiān)測、交通治理、規(guī)劃建設、應急指揮以及國土資源提供服務。 3 黃河流域空天地一體化大數(shù)據(jù)平臺技術架構研究一體化大數(shù)據(jù)技術平臺因其要處理的數(shù)據(jù)類型不同、采取的數(shù)據(jù)處理技術不同，技術架構的層次體系也不同。 趙芬等［13］針對生態(tài)大數(shù)據(jù)，將大數(shù)據(jù)技術處理流程分為獲取、存儲與管理、計算模式與系統(tǒng)構建、分析4 個階段；舒田等［7］針對石漠化大數(shù)據(jù)，將喀斯特石漠化大數(shù)據(jù)平臺技術處理流程分為獲取、存儲與管理、計算模式、分析4 個階段；常杪等［14］將大數(shù)據(jù)的處理流程分為采集與預處理、存儲、分析、可視化4 個階段。生態(tài)大數(shù)據(jù)處理的核心思想是通過各種數(shù)據(jù)的有機結合、計算、分析，去解決復雜的生態(tài)環(huán)境問題，為環(huán)境決策的準確性、時效性、科學性提供支撐，助力保護生態(tài)環(huán)境和社會經(jīng)濟的高質(zhì)量發(fā)展，最終將生態(tài)大數(shù)據(jù)價值最大化［15］。 本文基于大數(shù)據(jù)處理的常規(guī)流程將黃河流域空天地一體化大數(shù)據(jù)的技術處理流程分為數(shù)據(jù)采集與預處理、數(shù)據(jù)存儲與安全管理、數(shù)據(jù)智能分析、數(shù)據(jù)可視化4 個部分，如圖3 所示。
圖3 黃河流域空天地一體化大數(shù)據(jù)技術處理流程 3.1 基礎設施平臺黃河流域空天地一體化大數(shù)據(jù)在總體架構上將平臺分5 層，分別是基于網(wǎng)絡基礎服務和IT 基礎設施服務的基礎層、采集層、大數(shù)據(jù)層、分析層和呈現(xiàn)層。 作為大數(shù)據(jù)平臺的運行基礎，基礎層為黃河流域空天地一體化大數(shù)據(jù)平臺提供堅強的軟硬件基礎設施支撐。基礎設施平臺中硬件資源包括處理數(shù)據(jù)的計算機、通信網(wǎng)絡和存儲設備，軟件資源包括操作系統(tǒng)、數(shù)據(jù)庫管理系統(tǒng)以及中間件等。 采集層主要是對生態(tài)大數(shù)據(jù)進行探測、采集、預處理，它是大數(shù)據(jù)平臺的數(shù)據(jù)支撐層，是數(shù)據(jù)分析的前提條件。 大數(shù)據(jù)層是對數(shù)據(jù)的存儲與安全管理層，數(shù)據(jù)的存儲方便數(shù)據(jù)的檢索，數(shù)據(jù)在傳輸、存儲、處理時易受到數(shù)據(jù)泄密、篡改等安全威脅，保障數(shù)據(jù)安全即保障黃河流域空天地一體化大數(shù)據(jù)平臺系統(tǒng)的可靠性，最終使數(shù)據(jù)價值最大化。 分析層是大數(shù)據(jù)平臺的核心部件，運用數(shù)據(jù)挖掘、機器學習、統(tǒng)計分析等手段，最大限度地開發(fā)數(shù)據(jù)“礦產(chǎn)”，為政府、科研機構提供更多的規(guī)律、現(xiàn)象、決策。 呈現(xiàn)層是數(shù)據(jù)價值的體現(xiàn)，一般采用圖表等數(shù)據(jù)可視化形式展示數(shù)據(jù)的形態(tài)，或者在真實場景虛擬仿真的基礎上具現(xiàn)化數(shù)據(jù)，為用戶提供所需的服務。 3.2 技術路徑黃河流域空天地一體化大數(shù)據(jù)的采集主要對空、天、地三個時空領域進行采集。 其中：空間段采集的數(shù)據(jù)主要是衛(wèi)星遙感和衛(wèi)星定位數(shù)據(jù)，主要來自于國產(chǎn)衛(wèi)星影像云服務平臺的分發(fā)點［16］，通過GIS 空間技術分析地表信息的變化，例如黃河兩岸地表植被覆蓋率、建筑占地、防護林面積等指標分析；天際段采集的數(shù)據(jù)主要是無人機巡航數(shù)據(jù)、遙感數(shù)據(jù)、航空測繪數(shù)據(jù)等，通過一體化測圖系統(tǒng)將天際段采集的數(shù)據(jù)變化信息與空間段采集的基礎信息相匹配、拼接、勻色以及正射處理等，實現(xiàn)局部區(qū)域任意時間段的數(shù)據(jù)得到增量更新［16］，彌補衛(wèi)星數(shù)據(jù)周期長、費用高的不足，這種增量處理方式也可促進空天地一體化數(shù)據(jù)采集的協(xié)同處理；地表段的數(shù)據(jù)采集主要通過物聯(lián)網(wǎng)、移動平臺、人工管理等方式，通過地面氣象站、環(huán)境監(jiān)測網(wǎng)絡、部門的存活系統(tǒng)，采集多源異構數(shù)據(jù)如地面監(jiān)測數(shù)據(jù)、社會統(tǒng)計數(shù)據(jù)，再融合處理。 數(shù)據(jù)預處理是指在數(shù)據(jù)深度挖掘前，對原始數(shù)據(jù)進行必要的清洗、集成、轉(zhuǎn)換、離散和歸約等一系列的處理工作，從而達到數(shù)據(jù)分析算法和工具所要求的最低規(guī)范和標準［17］。 目前使用的數(shù)據(jù)預處理工具主要有Data Flux、Data Stage、IPC 等［13］。 數(shù)據(jù)存儲是數(shù)據(jù)分析與可視化的基礎，對于黃河流域生態(tài)大數(shù)據(jù)的數(shù)據(jù)存儲采用分布式的存儲方式，通過建立文件服務器、圖片服務器、關系型數(shù)據(jù)庫和非關系型數(shù)據(jù)庫，確保數(shù)據(jù)的持續(xù)可用、快速查詢。 比較常用的開源工具如Hadoop Common、HDFS、HBase等［13］，利用這些存儲技術來保障數(shù)據(jù)的實時提取以及多點數(shù)據(jù)關聯(lián)分析。 數(shù)據(jù)智能分析主要包括多源多模數(shù)據(jù)融合、大數(shù)據(jù)智能計算和多維目標智能識別3 個方面。 數(shù)據(jù)融合主要針對靜態(tài)數(shù)據(jù)的批處理、在線數(shù)據(jù)的流式處理以及三方數(shù)據(jù)的交互處理，針對各行業(yè)、各環(huán)控部門的數(shù)據(jù)進行組合、整合、聚合，發(fā)揮大數(shù)據(jù)的價值。 大數(shù)據(jù)智能計算和多維目標智能識別是以機器學習、統(tǒng)計分析、數(shù)據(jù)挖掘、建模分析為核心進行數(shù)據(jù)的價值挖掘、目標自動識別等智能分析的過程。 在框架層，可以采用Map Reduce、Storm、Spark 等工具。 在科學計算庫中，可以采用Numpy、Pandas、Scipy 等工具包。 數(shù)據(jù)可視化是數(shù)據(jù)的呈現(xiàn)方式，通過交互可視界面，使數(shù)據(jù)分析結果透明化、具現(xiàn)化。 大數(shù)據(jù)可視化的目的是讓用戶直觀地看到智能分析后的結果［7］，檢索用戶自身需要的項目，解決自身的需求和問題，為方案決策提供數(shù)據(jù)支撐，為態(tài)勢走向作科學預測。 從目前來看，ChronoViz、D3、flightgear 和Highcharts 等都是比較常用的智能可視化軟件。 4 黃河流域空天地一體化大數(shù)據(jù)平臺關鍵技術研究4.1 大數(shù)據(jù)探測與采集技術獲取生態(tài)大數(shù)據(jù)是建立空天地一體化大數(shù)據(jù)平臺的前提，數(shù)據(jù)采集質(zhì)量對數(shù)據(jù)分析結果有直接影響，因此生態(tài)大數(shù)據(jù)的采集技術是大數(shù)據(jù)平臺的關鍵技術之一。 下文從空域、天域、地域3 個方面分析大數(shù)據(jù)的探測與采集。 4.1.1 空域大數(shù)據(jù)的探測與采集 空域大數(shù)據(jù)主要通過衛(wèi)星探測與采集，從衛(wèi)星的不同用途可以分為遙感衛(wèi)星、導航衛(wèi)星、通信衛(wèi)星。 遙感信息的獲取通過大量搭載了全色、多光譜、高光譜傳感器的遙感衛(wèi)星來完成。 其中，全色圖像、多光譜圖像、高光譜圖像的分辨率見表2。 國外遙感衛(wèi)星中地球觀測一號衛(wèi)星（EO-1）是2000 年發(fā)射的，區(qū)別于傳統(tǒng)衛(wèi)星的是最多提供7 個多光譜波段的陸地資源衛(wèi)星，EO-1 衛(wèi)星搭載了高光譜成像儀Hyperion、高級陸地成像儀ALI 以及大氣校正儀LEISA［18］。 國內(nèi)的衛(wèi)星中高分一號衛(wèi)星（GF-1）是2013 年發(fā)射的，搭載有2 m 空間分辨率全色相機、8 m 空間分辨率多光譜相機以及16 m 空間分辨率多光譜寬幅相機［18］，主要用于陸地監(jiān)測、環(huán)境監(jiān)測。 利用此類遙感數(shù)據(jù)為黃河流域的地理測繪、氣象氣候監(jiān)測、水文泥沙含量監(jiān)測提供數(shù)據(jù)支撐。 表2 全色圖像、多光譜圖像、高光譜圖像的分辨率
空域大數(shù)據(jù)可以從中國遙感數(shù)據(jù)網(wǎng)、地理空間數(shù)據(jù)云、遙感集市數(shù)據(jù)中心、國家綜合地球觀測數(shù)據(jù)共享中心等獲取。 4.1.2 天域大數(shù)據(jù)的探測與采集 隨著數(shù)字化時代的發(fā)展，無人機的應用變得越來越廣泛。 如日常的河流巡航，可以通過無人機的實時拍攝畫面監(jiān)測日常狀況以及突發(fā)狀況。 黃河流域天域大數(shù)據(jù)除了無人機的日常巡檢數(shù)據(jù)、災害巡查視頻數(shù)據(jù)、搭載無人機的傳感器監(jiān)測數(shù)據(jù)外，還有航空的測繪數(shù)據(jù)。 這類數(shù)據(jù)主要通過移動客戶端、設置埋點、數(shù)據(jù)推送、爬蟲等技術進行采集。 4.1.3 地域大數(shù)據(jù)的探測與采集 地域大數(shù)據(jù)主要包括水文泥沙、土壤土質(zhì)、水資源取水耗水情況、水質(zhì)污染狀況等數(shù)據(jù)，這些數(shù)據(jù)一部分在各部門機構中，屬于機密信息，一部分是公開數(shù)據(jù)，例如全國水雨情網(wǎng)站公布的水雨情信息，國家統(tǒng)計局公布的統(tǒng)計數(shù)據(jù)、年鑒數(shù)據(jù)、資源公報等，這類數(shù)據(jù)采集主要通過系統(tǒng)自動分析網(wǎng)頁抓取或自動讀取，存儲到平臺中。 4.2 大數(shù)據(jù)智能處理技術4.2.1 空天地多源多模數(shù)據(jù)融合技術 多源數(shù)據(jù)融合是將不同來源的數(shù)據(jù)集，通過某種數(shù)學算法，利用各類數(shù)據(jù)在時空分辨率、完整性、精度等方面的互補性［19］，綜合各個輸入數(shù)據(jù)集的優(yōu)勢，彌補單個數(shù)據(jù)集的不足。 數(shù)據(jù)融合與單一信源獨自處理相比，其可探測性和可信度更高，時空感知范圍更廣，降低推理模糊程度，增加目標特征的位數(shù)，系統(tǒng)的容錯能力也更強［20］。 多模態(tài)數(shù)據(jù)融合可為模型決策提供有力的數(shù)據(jù)支撐，提高決策的準確率［21］。 多模態(tài)數(shù)據(jù)融合的目標是建立能夠處理和關聯(lián)來自多個模態(tài)信息的模型。 多源多模數(shù)據(jù)融合方法見表3。 表3 多源多模數(shù)據(jù)融合方法
4.2.2 空天地大數(shù)據(jù)智能計算 空天地大數(shù)據(jù)智能計算的關鍵技術是數(shù)據(jù)挖掘和預測分析，見表4。 數(shù)據(jù)挖掘技術是大數(shù)據(jù)分析的核心，基本過程主要有數(shù)據(jù)準備、數(shù)據(jù)挖掘、解釋評估和知識運用［23］；預測分析技術是利用統(tǒng)計、建模、數(shù)據(jù)挖掘工具對現(xiàn)有數(shù)據(jù)進行更深入的研究，對事態(tài)進行一定的預測［23］。 預測分析是大數(shù)據(jù)平臺的核心應用，而預測分析的效果取決于數(shù)據(jù)的質(zhì)量、采用的技術處理手段以及預測分析的平臺。 表4 大數(shù)據(jù)智能計算關鍵技術分類［23］
4.2.3 空天地多維目標智能識別 三維圖像，甚至多維圖像是在二維目標監(jiān)測的基礎上，增加了識別目標的尺寸、深度、姿態(tài)等信息［24］，比二維圖像更有意義，例如通過預估實際位置，自動駕駛的車輛和機器人可以準確地預估和規(guī)劃自己的行為、路徑，這比二維空間的位置更準確。 按照輸入數(shù)據(jù)的不同類型可以將三維目標監(jiān)測數(shù)據(jù)分為單目圖像數(shù)據(jù)、多視圖圖像以及點云數(shù)據(jù)。 根據(jù)傳感器的不同，三維目標監(jiān)測也分為視覺、激光點云和多模態(tài)融合三類［25］。 單目圖像主要用來實現(xiàn)圖像平面的分類與定位，基于單目圖像的三維目標監(jiān)測的實現(xiàn)主要利用三維模型匹配、深度估計網(wǎng)絡等算法去回歸目標的三維幾何信息［24］。 激光點云數(shù)據(jù)相比視覺數(shù)據(jù)具有準確的深度信息，三維空間特征明顯，其缺點是數(shù)據(jù)稀疏時提供的有效空間特征不足［24］，不能準確監(jiān)測目標位置。 目前針對激光點云的三維目標監(jiān)測算法為三維空間體素特征法、三維點云投影法，其中三維點云投影法的實現(xiàn)思路是利用坐標維度回歸算法，如圖4 所示。
圖4 三維點云投影法 多視圖圖像一般使用雙目或深度相機采集圖像信息，具有較完整的深度圖信息。 針對多視圖圖像的視覺算法的核心是利用圖像紋理特征、深度特征等進行多特征融合，具體方法有兩種：①采用單目圖像與深度圖像雙通道CNN 融合，如3DOP 監(jiān)測網(wǎng)絡［26］、Stereo R-CNN監(jiān)測網(wǎng)絡［27］；②基于三維空間卷積算法，如TLNet 監(jiān)測網(wǎng)絡［28］，SurfConv 監(jiān)測網(wǎng)絡［29］。 5 大數(shù)據(jù)平臺在黃河流域生態(tài)保護中的應用5.1 大數(shù)據(jù)平臺專題應用生態(tài)保護監(jiān)測專題，通過大數(shù)據(jù)平臺監(jiān)測了解黃河流域水利、土壤、氣象、植物、動物、微生物等數(shù)據(jù)信息，包括這些數(shù)據(jù)的歷史演變情況，從而找到符合生態(tài)規(guī)律的保護及修復措施，構建黃河流域生命共同體，如圖5 所示。
圖5 大數(shù)據(jù)平臺生態(tài)保護監(jiān)測專題 此外，空天地一體化大數(shù)據(jù)平臺還有7 個專題：①水土保持專題，運用各種措施防治水土流失，保護、改良和合理利用水土資源，建立良好生態(tài)環(huán)境；②污染治理專題，通過監(jiān)控工業(yè)、城鎮(zhèn)生活、農(nóng)業(yè)面源及尾礦庫等4 類污染源，對水質(zhì)做到監(jiān)控、預測、預警；③防汛預警專題，通過無人機監(jiān)測以及降水量的監(jiān)測數(shù)據(jù)，實時預警洪澇災害，以最大程度引水避害，減少人員財產(chǎn)損失；④黃河文化專題，利用衛(wèi)星遙感技術，監(jiān)測展示黃河流域游客熱衷的區(qū)域及游客所在的地理區(qū)域，以便提供更好的文化宣傳和服務；⑤氣象專題，監(jiān)測黃河兩岸氣象氣候，及時對農(nóng)業(yè)灌溉、引水調(diào)度提供干旱預警數(shù)據(jù)；⑥產(chǎn)業(yè)經(jīng)濟專題，智能分析黃河流域九省（區(qū)）的GDP 總量、產(chǎn)業(yè)構成情況、就業(yè)情況、消費支出狀況等，依據(jù)這些指標為黃河流域經(jīng)濟快速發(fā)展提供數(shù)據(jù)支撐；⑦數(shù)字經(jīng)濟專題，通過數(shù)字經(jīng)濟一張圖，直觀掌握黃河流域數(shù)字經(jīng)濟產(chǎn)業(yè)存活狀況、行業(yè)數(shù)字經(jīng)濟狀況、熱門投資數(shù)字經(jīng)濟產(chǎn)業(yè)。 5.2 生態(tài)保護模型評估與預測應用模型的建立是為了更好地分析數(shù)據(jù)，得到隱性的分析結果。 在模型評估方面，大數(shù)據(jù)平臺通過DEAMalmquist 模型，對黃河流域的水資源利用效率進行評價［30］，從DEA 模型上來看，黃河流域水資源的利用效率總體良好，用水效率呈上升趨勢；從Malmquist 指數(shù)上來看，黃河流域的全要素生產(chǎn)率在波動升高，主要是各個指標在逐漸升高，從而提高水資源利用效率。 其次，構造上級政府、基層河長、公眾三方演化博弈的模型［31］，經(jīng)過模型的求解與演化仿真，證明了三方博弈策略選擇行為的演化路徑是穩(wěn)定在均衡點處的策略組合上，來解決黃河流域的違法“四亂”（亂占、亂采、亂堆、亂建）問題。 在模型預測方面，通過構建CNN-LSTM 模型預測小浪底水庫出口溶解氧濃度變化，在預測誤差上，CNN-LSTM的RMSE 指標和MAE 指標分別比堆疊LSTM 模型低10.43%和19.76%。 大數(shù)據(jù)平臺通過對污染源的生命周期進行管理，快速識別排放異常或者超標數(shù)據(jù)［14］，通過水質(zhì)分析、水質(zhì)預測分析其產(chǎn)生、變化的原因，幫助環(huán)保部門動態(tài)管理污染源企業(yè)，并有針對性地對污染治理提出建議對策。 5.3 生態(tài)保護監(jiān)測評價應用在黃河流域生態(tài)保護中，可以運用空天地一體化大數(shù)據(jù)平臺進行監(jiān)測評價，即進行數(shù)據(jù)長期監(jiān)測、自動傳輸、在線計算和可視化應用。 隨著大數(shù)據(jù)技術的發(fā)展，平臺承載能力的提升，生態(tài)環(huán)境的監(jiān)測也從短期監(jiān)測向長期監(jiān)測轉(zhuǎn)變，從單一要素向多維宏觀結構、時空協(xié)同監(jiān)測轉(zhuǎn)變［32］，數(shù)據(jù)平臺的建立簡化了數(shù)據(jù)共享流程。 同時，基于物聯(lián)網(wǎng)傳感技術和動態(tài)監(jiān)測，結合遙感技術和地理信息數(shù)據(jù)，構建多模塊的生態(tài)保護服務平臺，在很大程度上促進了生態(tài)環(huán)境監(jiān)測數(shù)據(jù)的管理、共享和評價。 6 結論與展望本文分析了黃河流域空天地一體化生態(tài)大數(shù)據(jù)的含義和面臨的問題，提出黃河流域空天地一體化大數(shù)據(jù)平臺構建的總體框架，通過基礎層、采集層、大數(shù)據(jù)層、分析層、呈現(xiàn)層5 層架構體系的研究，構建了黃河流域空天地一體化大數(shù)據(jù)平臺的總體架構，梳理了建立大數(shù)據(jù)平臺的大數(shù)據(jù)探測與采集、大數(shù)據(jù)智能處理技術等關鍵技術，分析了黃河流域空天地一體化大數(shù)據(jù)平臺在專題展示、模型評估與預測、生態(tài)評價等方面的應用。 建立生態(tài)環(huán)境空天地一體化管理體系，完善綜合防汛預警體系，科學分配水資源，加大流域內(nèi)產(chǎn)業(yè)結構優(yōu)化調(diào)整，加速流域內(nèi)傳統(tǒng)產(chǎn)業(yè)轉(zhuǎn)型，為黃河流域生態(tài)保護和高質(zhì)量發(fā)展做出貢獻，是黃河流域空天地一體化大數(shù)據(jù)平臺的最終目的。 然而平臺的建設面臨的問題也較多，例如：如何協(xié)調(diào)各行業(yè)各部門的利益，把不同領域的跨學科、多源頭、多尺度的黃河流域生態(tài)數(shù)據(jù)聚合共享；如何更多地利用人工智能、區(qū)塊鏈等關鍵技術對數(shù)據(jù)進行信息提取與知識發(fā)現(xiàn)；如何更好地利用大數(shù)據(jù)平臺進行生態(tài)、生活預警；如何將大數(shù)據(jù)平臺推廣應用，最終利于生態(tài)、利于人民的社會生活等，都是下一步需要解決的問題。 ［1］ 水利部黃河水利委員會.黃河流域綜合規(guī)劃（2012—2030年）［M］.鄭州：黃河水利出版社，2013：1-5. ［2］ 習近平.在黃河流域生態(tài)保護和高質(zhì)量發(fā)展座談會上的講話［J］.求是，2019（20）：4-11. ［3］ 中共中央，國務院.關于全面加強生態(tài)環(huán)境保護堅決打好污染防治攻堅戰(zhàn)的意見［J］.中華人民共和國國務院公報，2018（19）：7-16. ［4］ 紅星楊.政治局集體學習“大數(shù)據(jù)”［J］.人民周刊，2018（1）：10-11. ［5］ 王軍.新一代信息技術促進黃河流域生態(tài)保護和高質(zhì)量發(fā)展應用研究［J］.人民黃河，2021，43（3）：6-10. ［6］ 孫中平，申文明，張文國，等.生態(tài)環(huán)境立體遙感監(jiān)測大數(shù)據(jù)頂層設計研究［J］.環(huán)境保護，2020，48（增刊2）：56-60. ［7］ 舒田，熊康寧.喀斯特石漠化大數(shù)據(jù)平臺架構和技術初探［J］.貴州師范大學學報（自然科學版），2020，38（4）：18-25. ［8］ 熊麗君，袁明珠，吳建強.大數(shù)據(jù)技術在生態(tài)環(huán)境領域的應用綜述［J］.生態(tài)環(huán)境學報，2019，28（12）：2454-2463. ［9］ LIU X，PAN Y，LI N. Big Data Platform of Provincial Key Basin’s Ecological Environment Information［J］.IOP Conference Series： Earth and Environmental Science，2019，295（2）：012073. ［10］ 蔡志洲，袁普金，王森.空天地一體化水土保持監(jiān)測初探［J］.人民黃河，2018，40（4）：92-95. ［11］ 張毅，賀桂珍，呂永龍，等.我國生態(tài)環(huán)境大數(shù)據(jù)建設方案實施及其公開效果評估［J］.生態(tài)學報，2019，39（4）：1290-1299. ［12］ 沈?qū)W民，承楠，周海波，等.空天地一體化網(wǎng)絡技術：探索與展望［J］.物聯(lián)網(wǎng)學報，2020，4（3）：3-19. ［13］ 趙芬，張麗云，趙苗苗，等.生態(tài)環(huán)境大數(shù)據(jù)平臺架構和技術初探［J］.生態(tài)學雜志，2017，36（3）：824-832. ［14］ 常杪，馮雁，郭培坤，等.環(huán)境大數(shù)據(jù)概念、特征及在環(huán)境管理中的應用［J］.中國環(huán)境管理，2015，7（6）：26-30. ［15］ JOHNSON A C，DONNACHIE R L，SUMPTER J P，et al.An Alternative Approach to Risk Rank Chemicals on the Threat They Pose to the Aquatic Environment［J］.Science of the Total Environment，2017，599-600：1372-1381. ［16］ 馬照亭，劉勇，沈建明，等.智慧城市時空大數(shù)據(jù)平臺建設的問題思考［J］.測繪科學，2019，44（6）：279-284. ［17］ 范明，孟小峰.數(shù)據(jù)挖掘概念與技術［M］.北京：機械工業(yè)出版社，2007：23-60. ［18］ 師艷子，李云松，鄭毓軒.國內(nèi)外衛(wèi)星遙感數(shù)據(jù)源綜述［J］.衛(wèi)星與網(wǎng)絡，2018（4）：54-58. ［19］ 陳迪，吳文斌，陸苗，等.基于多源數(shù)據(jù)融合的地表覆蓋數(shù)據(jù)重建研究進展綜述［J］.中國農(nóng)業(yè)資源與區(qū)劃，2016，37（9）：62-70. ［20］ 祁友杰，王琦.多源數(shù)據(jù)融合算法綜述［J］.航天電子對抗，2017，33（6）：37-41. ［21］ 何俊，張彩慶，李小珍，等.面向深度學習的多模態(tài)融合技術研究綜述［J］.計算機工程，2020，46（5）：1-11. ［22］ 閆晗晗，邢波濤，任璐，等.遙感數(shù)據(jù)融合技術文獻綜述［J］.電子測量技術，2018，41（9）：26-36. ［23］ 高志鵬，牛琨，劉杰.面向大數(shù)據(jù)的分析技術［J］.北京郵電大學學報，2015，38（3）：1-12. ［24］ 李宇杰，李煊鵬，張為公.基于視覺的三維目標檢測算法研究綜述［J］.計算機工程與應用，2020，56（1）：11-24. ［25］ 沈琦，陳逸倫，劉樞，等.基于兩級網(wǎng)絡的三維目標檢測算法［J］.計算機科學，2020，47（10）：145-150. ［26］ CHEN X Z，KUNDU K，ZHU Y K，et al. 3D Object Proposals Using Stereo Imagery for Accurate Object Class Detection［J］. IEEE Transactions on Pattern Analysis ＆Machine Intelligence，2018，40（5）：1259-1272. ［27］ LI P L，CHEN X Z，SHEN S J. Stereo R-CNN Based 3D Object Detection for Autonomous Driving ［J］. Institute of Electrical and Electronics Engineers，2019，15-20：19263032. ［28］ QIN Z Y，WANG J L，LU Y. Triangulation Learning Network： from Monocular to Stereo 3D Object Detection［J］.Computer Vision and Pattern Recognition，2019，6：1906.01193. ［29］ CHU H，MA W C，KUNDU K，et al. SurfConv： Bridging 3D and 2D Convolution for RGBD Images［J］.Computer Vision and Pattern Recognition，2018，9：1812.01519. ［30］ 買亞宗，孫福麗，石磊，等.基于DEA 的中國工業(yè)水資源利用效率評價研究［J］.干旱區(qū)資源與環(huán)境，2014，28（11）：42-47. ［31］ 岳瑜素，王潔方，盧亞麗.黃河泥沙資源利用合作創(chuàng)新的演化博弈模型［J］.人民黃河，2017，39（1）：21-23，29. ［32］ CAREY C C，WARD N K，F(xiàn)ARRELL K J，et al. Enhancing Collaboration Between Ecologists and Computer Scientists： Lessons Learned and Recommendations Forward［J］.Ecosphere，2019，10（5）：5-16. Research on Architecture and Key Technologies of Air-Space-Ground Integrated Big Data Platform Along the Yellow River Basin
|
